挑战GRPO，英伟达提出GDPO，专攻多奖励优化
挑战GRPO，英伟达提出GDPO，专攻多奖励优化GRPO 是促使 DeepSeek-R1 成功的基础技术之一。最近一两年，GRPO 及其变体因其高效性和简洁性，已成为业内广泛采用的强化学习算法。
来自主题: AI技术研报
8091 点击 2026-01-12 09:34
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
GRPO 是促使 DeepSeek-R1 成功的基础技术之一。最近一两年，GRPO 及其变体因其高效性和简洁性，已成为业内广泛采用的强化学习算法。